Neuste Artikel für Datenschutz

Eine Studie zur Fairness von Datenschutzrichtlinien und ihrem Einfluss auf das Vertrauen der Nutzer.

Neueste Erkenntnisse zu synthetischen Daten und Datenschutzproblemen erkunden.

Ein neuer Plan verbessert die Sicherheit und Privatsphäre in kleinen Zellnetzen.

Ein neuer Mechanismus verbessert die Generierung von synthetischen Daten und schützt dabei die Privatsphäre von Einzelpersonen.

Neue Methoden verbessern die Fähigkeit von KI, Daten zu vergessen, während die Leistung erhalten bleibt.

Untersuchung der Auswirkungen von Datenprioren auf die differenzielle Privatsphäre bei Angriffen zur Bildrekonstruktion.

Ein neuer Ansatz, um Datenzugriffsvereinbarungen zu vereinfachen.

Neue Methoden zielen darauf ab, die Datenentfernung in Sprachmodellen zu verbessern, während die Leistung erhalten bleibt.

Eine neue Methode verbessert den Datenschutz im föderierten Lernen gegen Gradienten-Inversionsangriffe.

Neue Datenschutzbedenken bei der Nutzung von Diffusionsmodellen erkunden.

Neue Methoden verbessern das Modelllernen, indem langsamere Geräte im föderierten Lernen einbezogen werden.

Forschung zur Nutzung von Smartwatches und dem Komfort beim Teilen von Daten unter Nutzern.

Ein neuer Ansatz, um die Zusammenfassungsfähigkeiten in kleineren Modellen mit Hilfe von grösseren Modellen zu verbessern.

Ein vorgeschlagenes Framework verbessert die Sicherheit für föderiertes Lernen gegen Angriffe von Gegnern.

Eine neue Methode zur Verwaltung des Datenflusses unter Berücksichtigung der Datenschutzentscheidungen der Nutzer.

Dieses Framework ermöglicht kollaboratives Training von Modellen und sorgt gleichzeitig für Datenschutz und Integrität der Modelle.

Lern, wie Programmierframeworks die differenzielle Privatsphäre für Datenanalyse verbessern.

LLMs werden die Privatsphäre und Funktionalität auf mobilen Geräten verbessern.

Methoden erkunden, um die Privatsphäre im dezentralen Lernen zu verbessern, ohne die Leistung zu beeinträchtigen.

Maschinen-Unlearning ermöglicht es Modellen, Daten zu vergessen, was für die Einhaltung des Datenschutzes wichtig ist.

Neue Methoden verbessern die Datensicherheit und Effizienz für smarte Technologien.

Forscher schlagen vor, Modelle mit veränderten Bildern zu trainieren, um Urheberrechtsprobleme zu minimieren.

Federated Learning verbessert die Zusammenarbeit zwischen autonomen Fahrzeugen bei schlechtem Wetter.

Eine Studie zeigt neue Techniken für Backdoor-Angriffe auf Sprachmodelle mit minimalen Auswirkungen.

Ein Blick auf die Risiken und Bewertungen von grossen Sprachmodellen in der Sicherheit.

Ein neues Framework für die sichere Analyse von Nutzerdaten in unsicheren Datenbanken.

HETAL hält Kundendaten während des Trainierens von Machine-Learning-Modellen sicher.

Eine neue Methode für sichere Lokalisierung, ohne sensitive Daten zu gefährden.

FedMef verbessert federiertes Lernen für ressourcenschwache Geräte durch innovative Pruning-Techniken.

Die ethischen Bedenken von grossen Sprachmodellen in der Medizin untersuchen.

Neue Methoden schützen persönliche Daten bei der Bildgenerierung.

PMixED verbessert die Privatsphäre, ohne die Leistung bei grossen Sprachmodellen zu opfern.

LF QSDC als sichere Lösung für Web 3.0 erkunden.

Dieser Artikel behandelt Lizenzierungsfragen von Code beim Training von KI-Modellen.

Eine neue Methode schützt persönliche Vorlieben und ermöglicht gleichzeitig nützliche Ranglisten.

Verbesserung von Eye-Tracking-Systemen durch innovative Trainingsmethoden und Datenmischung.

Ein neues Framework zum Trainieren von Modellen, ohne sensible Daten zu teilen.

Lern, wie Geister-Sätze den Nutzern helfen können, ihre persönlichen Daten online zu schützen.

Eine Methode zur Generierung synthetischer Daten mithilfe von Bayes'schen Netzwerken, um die Privatsphäre zu schützen und gleichzeitig Analysen zu ermöglichen.

Ein frischer Ansatz zur Verbesserung der Privatsphäre im IoT durch Hardware-Design.